隨著人工智能技術(shù)的興起，機器學(xué)習(xí)在各行各業(yè)的應(yīng)用越來越廣。工信部印發(fā)的《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018—2020年）》中指出：當(dāng)前，新一輪科技革命和產(chǎn)業(yè)變革正在萌發(fā)，大數(shù)據(jù)的形成、理論算法的革新、計算能力的提升及網(wǎng)絡(luò)設(shè)施的演進驅(qū)動人工智能發(fā)展進入新階段，智能化成為技術(shù)和產(chǎn)業(yè)發(fā)展的重要方向。人工智能具有顯著的溢出效應(yīng)，將進一步帶動其他技術(shù)的進步，推動戰(zhàn)略性新興產(chǎn)業(yè)總體突破，正在成為推進供給側(cè)結(jié)構(gòu)性改革的新動能、振興實體經(jīng)濟的新機遇、建設(shè)制造強國和網(wǎng)絡(luò)強國的新引擎。
　　對于初學(xué)者而言，機器學(xué)習(xí)是一門難度較大的學(xué)科，其難點大致體現(xiàn)在以下三個方面：
　　首先，機器學(xué)習(xí)的大部分算法復(fù)雜難懂，這些算法對于初學(xué)者來說結(jié)構(gòu)復(fù)雜，概念抽象，特別是一些大型機器學(xué)習(xí)模型（如人工神經(jīng)網(wǎng)絡(luò)），很難將模型的所有細節(jié)一一呈現(xiàn)，學(xué)習(xí)難度較大，學(xué)習(xí)門檻較高。因此學(xué)術(shù)界認為，隨著模型越來越復(fù)雜，機器學(xué)習(xí)模型的可解釋性（Interpretability）也會越來越差。例如，很多深度神經(jīng)網(wǎng)絡(luò)模型人類已無法完全理解，需要讀者從黑盒的層面進行理解。
　　其次，用機器學(xué)習(xí)方法解決某個實際應(yīng)用的過程是煩瑣且枯燥的。如收集數(shù)據(jù)、特征提取、數(shù)據(jù)標(biāo)準(zhǔn)化和數(shù)據(jù)降維等，這些數(shù)據(jù)預(yù)處理工作都很煩瑣且耗時，初學(xué)者如果對機器學(xué)習(xí)理解得不透徹，就很難堅持下去。
　　再次，模型的選擇、訓(xùn)練和評估需要考慮影響實際問題的各種因素，并要調(diào)整參數(shù)，避免欠擬合和過擬合，這使得整個操作過程非常復(fù)雜。如果初學(xué)者對涉及的理論和方法掌握不到位，理解不透徹，就很容易出現(xiàn)問題，導(dǎo)致得到的機器學(xué)習(xí)模型性能太差而無法使用。
　　目前市面上有很多機器學(xué)習(xí)類圖書，這些圖書根據(jù)側(cè)重點不同大致可以分為兩類：類以講解機器學(xué)習(xí)的算法理論為主，而對機器學(xué)習(xí)的編程實現(xiàn)講述較少；第二類以講解機器學(xué)習(xí)編程為主，而對機器學(xué)習(xí)的算法理論講述較少。由于機器學(xué)習(xí)模型比較復(fù)雜，讀者如果不了解編程實現(xiàn)，往往在將理論應(yīng)用于實踐去解決實際問題時會有困難；相應(yīng)地，讀者如果不了解機器學(xué)習(xí)的理論，那么對編程思想及各種參數(shù)的含義就很難理解，從而導(dǎo)致難以獨立編寫程序去解決實際問題。為了解決這些問題，讓機器學(xué)習(xí)變得更加通俗易懂，筆者編寫了本書。本書將機器學(xué)習(xí)的算法原理與編程實現(xiàn)結(jié)合起來講述，可以幫助讀者在理解算法的基礎(chǔ)上動手實踐，從而降低學(xué)習(xí)的門檻。
本書特色
* 提供微課視頻：筆者為本書的重點內(nèi)容錄制了11段微課配套教學(xué)視頻，幫助讀者高效、直觀地學(xué)習(xí)。讀者可以用手機或其他終端設(shè)備掃描書中的二維碼進行在線觀看，也可以直接將視頻下載到本地計算機上觀看。
* 立體化教學(xué)支持：本書各章都設(shè)置了大量的習(xí)題，涵蓋選擇題、填空題、問答題和實踐題等，并提供源代碼、教學(xué)PPT、習(xí)題參考答案、考試試卷、教學(xué)大綱和實驗指導(dǎo)等完善的立體化教學(xué)資料。
* 注重案例教學(xué)：本書第3～8章各提供一個綜合案例，幫助讀者了解機器學(xué)習(xí)算法是如何處理各種細節(jié)問題的。掌握機器學(xué)習(xí)的目的是解決實際問題，因此要將相關(guān)算法用于實際案例。雖然人們開發(fā)了一些機器學(xué)習(xí)算法庫，即便不了解算法的具體細節(jié)，也能編寫機器學(xué)習(xí)程序，但是要用這些算法解決實際問題，如果不了解算法細節(jié)，則很難編寫出有實用價值的程序。
* 內(nèi)容重點突出：本書以面向初學(xué)者的視角詳細講述機器學(xué)習(xí)算法原理，展現(xiàn)機器學(xué)習(xí)的難點，注重解決讀者學(xué)習(xí)時容易“掉坑”的問題。
* 降低學(xué)習(xí)門檻：本書詳細介紹如何使用sklearn編寫機器學(xué)習(xí)程序。sklearn是一個封裝好的機器學(xué)習(xí)算法庫，簡單易學(xué)，學(xué)習(xí)該算法庫可以幫助讀者加深對機器學(xué)習(xí)相關(guān)概念和模型的理解，為進一步學(xué)習(xí)TensorFlow深度學(xué)習(xí)算法打下基礎(chǔ)。
* 內(nèi)容實用性強：本書對所有的sklearn程序均使用Matplotlib庫實現(xiàn)數(shù)據(jù)分析的可視化，這使得本書內(nèi)容具有較強的實用性。
本書內(nèi)容
　　本書共8章，包括機器學(xué)習(xí)概述、Python機器學(xué)習(xí)與可視化、關(guān)聯(lián)規(guī)則與推薦算法、聚類、分類、回歸與邏輯回歸、人工神經(jīng)網(wǎng)絡(luò)、支持向量機。
本書讀者對象
　　本書既可作為高等院校相關(guān)專業(yè)機器學(xué)習(xí)和人工智能概論等課程的教材，也可作為機器學(xué)習(xí)算法入門讀者的自學(xué)讀物，還可作為人工智能、機器學(xué)習(xí)研究者和從業(yè)者的參考書。
配套教學(xué)資料獲取
　　本書涉及的源代碼、微課教學(xué)視頻、教學(xué)PPT、習(xí)題參考答案、考試試卷、教學(xué)大綱和實驗指導(dǎo)等配套資料的下載網(wǎng)址為https://mooc1.chaoxing.com/course/218580397.html。讀者也可以在華章公司的網(wǎng)站（www.hzbook.com）上搜索到本書，然后單擊“資料下載”按鈕，即可在本書頁面上找到下載鏈接進行下載。
本書作者
　　本書是湖南省普通高等學(xué)校教學(xué)改革研究項目（HNJG-2020-0687）的成果。本書由唐四薪主筆編寫，唐金娟參與編寫了本書第1章。
售后支持
　　本書在編寫的過程中參考了其他專家、學(xué)者和機器學(xué)習(xí)愛好者的相關(guān)資料，筆者已盡可能地在參考文獻中列出，在此表示感謝！有部分資料未能查到原作者而沒有羅列，在此表示歉意，但同時